本发明涉及智能穿戴设备领域,尤其涉及一种基于智能手表的gps漂移过滤方法和该智能手表。
背景技术:
目前,智能穿戴领域中,生成gps轨迹时会考虑gps是否漂移,一般是通过位移、速度、加速度、方位角变化以及精度因子来判断是否存在漂移现象,若确定为漂移则舍弃该时刻的gps信息,不继续增加里程,且将速度归零。这样做会造成如下两个问题:第一,在gps信号弱的情况下,部分漂移轨迹与真实轨迹十分接近,按照现有技术的方法对gps进行过滤的效果不明显;第二,在运动中出现漂移是,若将速度置零,则实时速度显示将发生错误,对用户的运动状态监控也会不准确,最终导致得到的轨迹、里程、速度精度较低。
技术实现要素:
本发明的目的在于提出一种基于智能手表的gps漂移过滤方法和该智能手表,能够结合智能手表佩戴者的运功情况,对gps轨迹进行漂移过滤,使gps轨迹更接近真实轨迹。
为达此目的,本发明采用以下技术方案:
一方面,本发明提供一种基于智能手表的gps漂移过滤方法,包括:
按周期进行gps数据采样;
根据智能手表获取的运动信号,判断当前采样的gps数据是否为漂移数据;
若是,舍弃所述当前采样的gps数据,根据所述运动信号确定佩戴者的实时速度。
进一步的,根据智能手表获取的运动信号,判断当前采样的gps数据是否为漂移数据之前,还包括:
分析当前采样的gps数据与上一次采样的gps数据,获得佩戴者的位移、速度、加速度和方位角变化量;
将所述位移、所述速度、所述加速度和所述方位角变化量与预设标准比较,判断当前采样的gps数据是否为漂移数据;
若是,舍弃所述当前采样的gps数据,根据所述运动信号确定佩戴者的实时速度;
否则,根据智能手表获取的运动信号,判断所述当前采样的gps数据是否为漂移数据。
其中,根据智能手表获取的运动信号,判断所述gps数据是否为漂移数据,包括:
根据智能手表获取的运动信号确定佩戴者的状态;
若为静止状态,且所述速度和/或所述位移不为零,则判断当前采样的gps数据为漂移数据;
相应的,根据所述运动信号确定佩戴者的实时速度,具体为:将所述实时速度置零。
其中,根据智能手表获取的运动信号,判断所述gps数据是否为漂移数据,包括:
根据智能手表获取的运动信号确定佩戴者的状态;
若为移动状态,则识别佩戴者的运动类型,所述运动类型包括计步型和计速型;
根据运动类型计算参考速度;
若所述速度与所述参考速度相比超出预设误差范围,则判断当前采样的gps数据为漂移数据;
相应的,根据所述运动信号确定佩戴者的实时速度,具体为:所述实时速度配置为所述参考速度。
具体的,根据运动类型计算参考速度,包括:
运动类型为计步型时,根据佩戴者的步频和步幅计算参考速度;
运动类型为计速型时,根据已采样的非漂移的gps数据分析出的速度,设置佩戴者的参考速度。
进一步的,根据所述运动信号确定佩戴者的实时速度之后,还包括:
将相邻两个非漂移的gps数据对应的位置用直线连接形成gps轨迹。
另一方面,本发明提供一种智能手表,包括gps模块、九轴传感器和处理器,其中:
所述gps模块用于按周期进行gps数据采样;
所述九轴传感器用于获取佩戴者的运动信号;
所述处理器用于判断当前采样的gps数据是否为漂移数据,若是,舍弃所述当前采样的gps数据,根据所述运动信号确定佩戴者的实时速度。
其中,所述处理器包括:漂移过滤单元和速度配置单元;
所述漂移过滤单元用于:
在根据智能手表获取的运动信号,判断当前采样的gps数据是否为漂移数据之前,分析当前采样的gps数据与上一次采样的gps数据,获得佩戴者的位移、速度、加速度和方位角变化量;
将所述位移、所述速度、所述加速度和所述方位角变化量与预设标准比较,判断当前采样的gps数据是否为漂移数据;
若是,舍弃所述当前采样的gps数据;
否则,根据智能手表获取的运动信号,判断所述当前采样的gps数据是否为漂移数据;
所述速度配置单元用于根据所述运动信号确定佩戴者的实时速度。
进一步的,所述处理器还包括:运动识别单元;
所述运动识别单元用于根据智能手表获取的运动信号确定佩戴者为静止状态或移动状态;若为移动状态,则识别佩戴者的运动类型,所述运动类型包括计步型和计速型;根据运动类型计算参考速度;
所述漂移过滤单元用于,若为静止状态,且所述速度和/或所述位移不为零,则判断当前采样的gps数据为漂移数据;
相应的,所述速度配置单元用于将所述实时速度置零;
所述漂移过滤单元还用于,若为移动状态,且所述速度与所述参考速度相比超出预设误差范围,则判断当前采样的gps数据为漂移数据;
相应的,所述速度配置单元还用于所述实时速度配置为所述参考速度。
其中,所述运动识别单元具体用于:
运动类型为计步型时,根据佩戴者的步频和步幅计算参考速度;
运动类型为计速型时,根据已采样的非漂移的gps数据分析出的速度,设置佩戴者的参考速度。
进一步的,所述处理器还包括:轨迹拟合单元,用于在根据所述运动信号确定佩戴者的实时速度之后,
将相邻两个非漂移的gps数据对应的位置用直线连接形成gps轨迹。
本发明的有益效果为:
本发明根据智能手表采集到的运动信号对gps轨迹进行过滤,并且由此计算佩戴者的实时速度,由于智能手表的数据表示了佩戴者的真实运动状态,能使过滤后的gps轨迹更接近真实轨迹,佩戴者的运动数据也能够与gps轨迹充分结合,获得精度更高的轨迹、速度和里程信息。
附图说明
图1是本发明实施例一提供的gps漂移过滤方法的流程图。
图2是本发明实施例二提供的gps漂移过滤方法的流程图。
图3是本发明实施例三提供的智能手表的结构示意图。
具体实施方式
为使本发明解决的技术问题、采用的技术方案和达到的技术效果更加清楚,下面将结合附图对本发明实施例的技术方案作进一步的详细描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。
实施例一
本实施例提供一种基于智能手表的gps漂移过滤方法,该方法由一种智能手表来执行,所述智能手表由相应的软件模块和硬件构成。
图1是本发明实施例一提供的gps漂移过滤方法的流程图。如图1所示,该gps漂移过滤方法包括如下步骤:
s11,按周期进行gps数据采样。
gps模块按照预设的频率获取gps数据,为保证轨迹的连续,本实施例按照1hz的频率进行采样。
s12,根据智能手表获取的运动信号,判断当前采样的gps数据是否为漂移数据;若是,执行步骤s13,否则,执行步骤s14。
首先,分析当前采样的gps数据与上一次采样的gps数据,获得佩戴者的位移、速度、加速度和方位角变化量。
其次,智能手表的三轴加速度计以25hz的频率获取佩戴者的运动信号,对所述运动信号进行分析,得到步数、步频、信号幅值、设备姿态等信息,并以此确定佩戴者的状态,包括静止状态和移动状态。
通过某一时间段内是否有步数产生,或者通过运动信号的起伏大小来确定佩戴者是否移动。例如,2s内没有新的步数产生,运动信号的方差小于一定阀值时,判定佩戴者处于静止状态,反之为移动状态。
若为静止状态,且分析gps数据得到的所述速度和/或所述位移不为零,则判断当前采样的gps数据为漂移数据,执行步骤s13。
若为移动状态,则识别佩戴者的运动类型,所述运动类型包括计步型和计速型,计步型运动包括步行、跑步、竞走等,计速型运动主要是骑行。
根据运动类型计算出参考速度,包括:运动类型为计步型时,根据佩戴者的步频和步幅计算参考速度;运动类型为计速型时,根据已采样的非漂移的gps数据分析出的速度(即沿用原有速度),设置佩戴者的参考速度。
此外,还可通过该佩戴者的历史数据获得不同该运动类型的参考速度。
移动状态下,若所述速度与所述参考速度相比超出预设误差范围,则判断当前采样的gps数据为漂移数据,执行步骤s13。
例如,将预设误差范围设置为参考速度±50%,若所述速度不在此范围内,即所述速度已经明显不属于对应运动类型的合理速度,则判断该gps数据为漂移数据。
s13,舍弃所述当前采样的gps数据,根据所述运动信号确定佩戴者的实时速度。
舍弃当前采样的gps数据,生成gps轨迹时不考虑该采样。
静止状态下,将佩戴者的实时速度置零;移动状态下,所述实时速度配置为所述参考速度,参考速度为步骤s12中根据运动信号计算得到。
s14,根据所述gps数据生成gps轨迹。
gps数据为非漂移数据时,根据步骤s12分析获得佩戴者的经纬度、位移、速度、加速度和方位角变化量等信息生成gps轨迹。
本实施例通过智能手表佩戴者的运动信号对gps数据进行过滤,根据运动状态和运动类型分析gps数据的合理性,从而滤除那些接近真实轨迹的漂移数据,克服现有技术中gps过滤的精度问题,使最终得到的gps轨迹更接近真实轨迹,佩戴者的运动数据也更准确。
实施例二
本实施例在上述实施例的基础上进行改进,在根据运动信号对gps数据进行精准过滤之前,先对gps数据进行初步过滤,对于某些gps数据,可以不用进行精确计算就能判断其是否漂移。本实施例仅对增加的步骤进行详细说明,未说明的步骤与上述实施例的相应步骤相同。
图2是本发明实施例二提供的gps漂移过滤方法的流程图。如图2所示,该gps漂移过滤方法包括如下步骤:
s21,按周期进行gps数据采样。
s22,分析当前采样的gps数据与上一次采样的gps数据,获得佩戴者的位移、速度、加速度和方位角变化量。
s23,将所述位移、所述速度、所述加速度和所述方位角变化量与预设标准比较,判断当前采样的gps数据是否为漂移数据,若是,执行步骤s25,否则,执行步骤s24。
本实施例中,所述预设标准设置为:位移小于50m,速度小于130km/h,加速度小于4m/s2,方位角6秒内变化小于360度。以上条件任一项不满足则判断gps数据为漂移数据。实际应用中,预设标准可根据采样频率、过滤精度要求等进行调整。
若此处已经可以判断为漂移数据,则可直接跳转到步骤s25,不需要再用运动信号进行过滤。若此处判断为非漂移数据,则根据步骤s24做进一步的过滤。
s24,根据智能手表获取的运动信号,判断当前采样的gps数据是否为漂移数据;若是,执行步骤s25,否则,执行步骤s26。
s25,舍弃所述当前采样的gps数据,根据所述运动信号确定佩戴者的实时速度。
s26,根据所述gps数据生成gps轨迹。
相邻的两个gps数据均为非漂移数据时,根据gps数据确定佩戴者的位置,从而得到gps轨迹。
当出现漂移数据被舍弃时,将相邻两个非漂移的gps数据对应的位置用直线连接形成gps轨迹。相邻两个非漂移的gps数据中包括上一段轨迹的终点和下一段轨迹的起点,漂移出现的时间通常比较短,因此将上一段轨迹的终点与本段轨迹的起点直线连接即可。
但是,一旦被判定为漂移或者停留,则需要通过搜索gps获得非漂移的gps数据重新生成轨迹起点。
本实施例中采用上述步骤s24判断静止,或者采用如下方式来判断停留:当前采样与4s之前的采样相比,位移小于2m判断为停留;或者连续2s速度小于0.5m/s判断为停留;方位角6秒内变化超过360度判断为停留。在停留时,根据gps数据生成轨迹起点,距离不累计、轨迹不增加、速度置零。只有进入移动状态满足一定时长要求时,才会累加距离、生成轨迹、配置实时速度。
本实施例在根据运动信号对gps数据进行精准过滤之前,先对gps数据进行初步过滤,对于某些gps数据,可以不用进行精确计算就能判断其是否漂移,减少数据处理量,并且出现漂移时也能生成接近实际情况的gps轨迹。
实施例三
本实施例提供一种智能手表,用于执行上述实施例所述的gps漂移过滤方法。该智能手表包括必要的硬件和软件模块,与上述实施例解决相同的技术问题,达到相同的技术效果。
图3是本发明实施例三提供的智能手表的结构示意图。如图3所示,该智能手表包括gps模块31、九轴传感器33和处理器32。
其中:
所述gps模块31用于按周期进行gps数据采样。
所述九轴传感器33用于获取佩戴者的运动信号。
所述处理器32用于判断当前采样的gps数据是否为漂移数据,若是,舍弃所述当前采样的gps数据,根据所述运动信号确定佩戴者的实时速度。
其中,所述处理器32包括:漂移过滤单元321和速度配置单元322。
所述漂移过滤单元321用于:
在根据智能手表获取的运动信号,判断当前采样的gps数据是否为漂移数据之前,分析当前采样的gps数据与上一次采样的gps数据,获得佩戴者的位移、速度、加速度和方位角变化量;
将所述位移、所述速度、所述加速度和所述方位角变化量与预设标准比较,判断当前采样的gps数据是否为漂移数据;
若是,舍弃所述当前采样的gps数据;否则,根据智能手表获取的运动信号,判断所述当前采样的gps数据是否为漂移数据。
所述速度配置单元322用于根据所述运动信号确定佩戴者的实时速度。
进一步的,所述处理器32还包括:运动识别单元324。
所述运动识别单元324用于根据智能手表获取的运动信号确定佩戴者为静止状态或移动状态;若为移动状态,则识别佩戴者的运动类型,所述运动类型包括计步型和计速型;根据运动类型计算参考速度。
所述漂移过滤单元321用于,若为静止状态,且所述速度和/或所述位移不为零,则判断当前采样的gps数据为漂移数据;相应的,所述速度配置单元322用于将所述实时速度置零。
所述漂移过滤单元321还用于,若为移动状态,且所述速度与所述参考速度相比超出预设误差范围,则判断当前采样的gps数据为漂移数据;相应的,所述速度配置单元322还用于所述实时速度配置为所述参考速度。
其中,所述运动识别单元324具体用于:
运动类型为计步型时,根据佩戴者的步频和步幅计算参考速度;运动类型为计速型时,根据已采样的非漂移的gps数据分析出的速度,设置佩戴者的参考速度。
进一步的,所述处理器32还包括:轨迹拟合单元323,用于在根据所述运动信号确定佩戴者的实时速度之后,将相邻两个非漂移的gps数据对应的位置用直线连接形成gps轨迹。
本实施例先对gps数据进行初步过滤排除漂移数据,再根据智能手表佩戴者的运动数据对gps轨迹进行进一步的过滤,使gps轨迹更接近真实轨迹,佩戴者的运动数据更贴近实际情况,从而获得精度更高的轨迹、速度和里程信息。
以上结合具体实施例描述了本发明的技术原理。这些描述只是为了解释本发明的原理,而不能以任何方式解释为对本发明保护范围的限制。基于此处的解释,本领域的技术人员不需要付出创造性的劳动即可联想到本发明的其它具体实施方式,这些方式都将落入本发明的保护范围之内。